1. 原始数据获取：

Raw reads (FASTQ)

从测序仪获得的原始 FASTQ 格式数据。

1. 数据预处理：

① 质量控制 (Quality control)

② 数据预处理 (Preprocessing)

去除低质量 reads、接头污染等，获得 Preprocessed reads (FASTQ)。

1. 序列比对：

③ 比对到参考基因组 (Aligning reads)

使用比对工具（如 HISAT2、STAR）将 reads 比对到参考基因组，生成 Aligned reads (BAM) 文件。

1. 转录本组装与定量：

④ 基因组引导的转录组组装 (Genome-guided transcriptome assembly)

使用 Cufflinks、StringTie 等工具构建 Gene and transcript models (GTF)。

⑤ 表达量计算 (Calculation expression levels)

计算基因和转录本的表达丰度，获得 Abundance estimates for genes and transcripts。

1. 差异表达分析：

⑥ 比较不同条件 (Comparing expression between conditions)

使用 DESeq2、edgeR 等工具分析差异表达，最终获得 List of differentially expressed genes and transcripts。

RNA-seq转录组分析流程

主要包括三个部分，分别是前期预分析、核心分析和高级分析，如图所示。前期预分析主要聚焦于分析流程的设计和数据的质量控制。核心分析则主要是读段比对、转录组片段的拼接组装以及量化的过程，深入挖掘RNA序列中的信息。高级分析则专注于新转录本鉴定、转录本的注释以及差异性表达等分析环节，为深入理解生物转录过程提供有力支持（所在课题组开发）。

利用RNA-Seq技术，我们可以针对物种的不同组织或不同时期的转录本进行测序，进而开展后续的转录组分析，如进行差异性达分析等。

【金山文档 | WPS云文档】 学习RNA-seq转录组分析流程
https://www.kdocs.cn/l/creo1dfp3ptb